量化模型与构建方式 1. 模型/因子名称：RSI相对强弱指标[2] 模型/因子构建思路：通过计算一定周期内平均涨幅与平均跌幅的比值，来衡量市场或资产价格的超买或超卖状态[2] 模型/因子具体构建过程： 1. 计算一定周期（报告中为12天）内每日的上涨幅度和下跌幅度。 2. 分别计算该周期内的平均涨幅（Average Gain）和平均跌幅（Average Loss）。 3. 计算相对强度（RS），即平均涨幅与平均跌幅的比值。 4. 将RS代入公式计算RSI值。 公式：$RSI = 100 – 100 / (1 + RS)$[2] 其中，RS = 一定周期内平均涨幅 / 一定周期内平均跌幅[2]。 模型/因子评价：RSI>70，市场处于超买状态；RSI<30，市场处于超卖状态[2]。 2. 模型/因子名称：净申购（亿元）[2] 模型/因子构建思路：通过计算ETF单位净值的变化与基金份额自然增长（收益率）的差异，来估算资金流入流出的净金额[2] 模型/因子具体构建过程： 1. 获取T日和T-1日的ETF单位净值（NAV）。 2. 获取T日ETF的收益率（R）。 3. 将上述数据代入公式计算。 公式：$NETBUY(T) = NAV(T)–NAV(T-1)*（1+R（T））$[2] 其中，NETBUY(T)为T日的净申购金额，NAV(T-1)为前一交易日的ETF净值，R(T)为T日的收益率[2]。 模型的回测效果 （报告中未提供针对量化模型的回测效果数据，如年化收益率、夏普比率、最大回撤等指标。） 量化因子与构建方式 1. 因子名称：RSI相对强弱指标[2] 因子构建思路：通过计算一定周期内平均涨幅与平均跌幅的比值，来衡量市场或资产价格的超买或超卖状态[2] 因子具体构建过程： 1. 计算一定周期（报告中为12天）内每日的上涨幅度和下跌幅度。 2. 分别计算该周期内的平均涨幅（Average Gain）和平均跌幅（Average Loss）。 3. 计算相对强度（RS），即平均涨幅与平均跌幅的比值。 4. 将RS代入公式计算RSI值。 公式：$RSI = 100 – 100 / (1 + RS)$[2] 其中，RS = 一定周期内平均涨幅 / 一定周期内平均跌幅[2]。 因子评价：RSI>70，市场处于超买状态；RSI<30，市场处于超卖状态[2]。 2. 因子名称：净申购（亿元）[2] 因子构建思路：通过计算ETF单位净值的变化与基金份额自然增长（收益率）的差异，来估算资金流入流出的净金额[2] 因子具体构建过程： 1. 获取T日和T-1日的ETF单位净值（NAV）。 2. 获取T日ETF的收益率（R）。 3. 将上述数据代入公式计算。 公式：$NETBUY(T) = NAV(T)–NAV(T-1)*（1+R（T））$[2] 其中，NETBUY(T)为T日的净申购金额，NAV(T-1)为前一交易日的ETF净值，R(T)为T日的收益率[2]。 3. 因子名称：日内行情趋势[2] 因子构建思路：采用5分钟级别的日内成交价构成趋势图，并结合当日最高价和最低价，以可视化方式展示日内价格走势[2] 因子具体构建过程：报告中未详细描述具体计算过程，仅说明采用5分钟级别的成交价数据绘制趋势图，并用红点标注当日最高价和最低价[2]。 4. 因子名称：机构持仓占比[2][3] 因子构建思路：使用ETF基金定期报告（年报、半年报）披露的机构投资者持仓比例，并剔除对应联接基金的持有部分，以反映机构投资者的真实持仓情况[2][3] 因子具体构建过程：报告中未详细描述具体计算过程，仅说明数据来源为定期报告披露数据，并进行了剔除联接基金持有份额的处理[2][3]。 因子的回测效果 （报告中未提供针对量化因子的回测效果数据，如IC值、IR、多空收益等指标。报告仅展示了各ETF在特定日期的因子截面取值，例如：） 1. RSI相对强弱指标因子，对于“华泰柏瑞沪深300ETF (510300.SH)”，其取值为35.55[3]；对于“南方中证500ETF (510500.SH)”，其取值为36.94[3]。 2. 净申购（亿元）因子，对于“华泰柏瑞沪深300ETF (510300.SH)”，其取值为-5.88[3]；对于“南方中证500ETF (510500.SH)”，其取值为3.90[3]。 3. 机构持仓占比（%）因子，对于“华泰柏瑞沪深300ETF (510300.SH)”，其取值为87.11[3]；对于“南方中证500ETF (510500.SH)”，其取值为83.21[3]。